霓而~

正则化（Regularization）训练机器学习模型的要点之一是避免过拟合。如果发生过拟合，模型的精确度会下降。这是由于模型过度尝试捕获训练数据集的噪声。噪声，是指那些不能代表数据真实特性的数据点，它们的生成是随机的。学习和捕捉这些数据点让你的模型复杂度增大，有过拟合的风险。正则化是一种回归的形式，它将系数估计（coefficient estimate）朝零的方向进行约束、调整或缩小。也...

Bottleneck Layer //BottleneckFeatures // Bottleneck Block输入输出维度差距较大，就像一个瓶颈一样，上窄下宽亦或上宽下窄"In order to reduce the number of weights, 1x1 filters are applied as a "bottleneck" to reduce the number ...

转载自https://zhuanlan.zhihu.com/p/49331510定义Support Vector Machine，简称SVM，支持向量机，是一种二类分类模型，基本模型是定义在特征空间上的间隔最大的线性分类器。SVM的学习策略就是间隔最大化。直观理解图中有分别属于两类的一些二维数据点和三条直线。如果三条直线分别代表三个分类器的话，请问哪一个分类器比较好？我们凭直...

转载自https://blog.youkuaiyun.com/sinat_33741547/article/details/87158830Internal Covariate Shift与Normalization一、“Internal Covariate Shift”问题什么是“Internal Covariate Shift”？深度神经网络涉及到很多层的叠加，而每一层的参数更新会导致上...

Batch NormalizationBatchNorm的基本思想：能不能让每个隐层节点的激活输入分布固定下来呢？这样就避免了“Internal Covariate Shift”问题了。之前的研究表明如果在图像处理中对输入图像进行白化（Whiten）操作的话——所谓白化，就是对输入数据分布变换到0均值，单位方差的正态分布——那么神经网络会较快收敛BN作者就开始推论了：图像是深度神经网络的输...

问题描述：有n个物品，编号1,2,3，、、n，其中第 i 个物品重量为Wi 价值 Vi ，有一个容量为W的背包。在容量允许范围内，如何选择物品，可以得到最大的价值。（为了简单起见，假设物品的重量 Wi 和价值Vi 都是正数）根据取物品的方式，背包问题又可以被分为三类：0/1背包问题(0-1 knapsack problem)这也是最常见的背包问题，对于每个物品，要么取...

论文跟踪：Awesome image retrieval papers https://github.com/willard-yuan/awesome-cbir-papers综述：SIFT Meets CNN: A Decade Survey of Instance Retrievalgithub Overview:Guide-CBIR CBIR_LeaderBoard ...